СКИПОДы 2007 полная версия (1127795), страница 36
Текст из файла (страница 36)
Система позволяла без предварительного обучения увереннораспознавать каждое из 36 слов, сказанных в микрофон любым человеком. Дляклассификации использовалась иерархическая нейронная сеть, состоящая из двух каскадов:первый осуществлял примерное распознавание слова, относя его к одному из шестиклассов, а второй точно классифицировал слово внутри каждого из классов. В обученииэтой нейронной сети принимали участие 19 дикторов.Экономика и финансыНейронные сети активно применяются на финансовых рынках. Например, американскийCitibank использует нейросетевые предсказания с 1990 года, и уже через два года после ихвнедрения, по свидетельству журнала The Economist, автоматический дилинг показывалдоходность 25% годовых.
Chemical Bank применяет нейросетевую систему фирмы NeuralData для предварительной обработки транзакций на валютных биржах ряда стран,отслеживая подозрительные сделки. Автоматизированные системы ведения портфелей сиспользованием нейросетей имеются на вооружении и у Deere & Co LBS Capital, причемэкспертная система объединяется примерно с 900 нейронными сетями.В сентябре 1992 года компания HNC, которая до этого занималась производствомнейрокомпьютеров, выпустила программный продукт Falcon, позволяющий выявлять ипредотвращать в реальном времени подозрительные сделки по краденым кредитным идебетным картам.
Искусственные нейронные сети обучались типичному поведениюклиентов и могли обнаруживать резкое изменение характера покупок, сигнализирующее овозможной краже. Ежегодный ущерб крупных банков от подобных преступлений измерялсядесятками миллионов долларов, но благодаря внедрению Falcon в 1994 году впервые за всюисторию пластиковых карт эти потери пошли на убыль. Аналогичная система быларазработана фирмой ITC для мониторинга операций с кредитными картами Visa.Несколько лет назад крупный канадский банк CIBC для управления рисками иидентификации злоумышленников установил программу KnowledgeSeeker фирмы Angoss.С ее помощью специалисты банка решили выяснить, кто из их клиентов в будущем будет свысокой долей вероятности задерживать выплаты по закладным.
Сначала предполагалось,что в первую очередь ими окажутся те, кто и прежде задерживал свои выплаты нанесколько дней. Однако исследования показали, что в будущем проблемы с платежамивозникнут у тех клиентов банка, которые на фоне регулярных выплат иногда якобы118забывали заплатить. Как выяснилось, подобная «забывчивость» была связана с серьезнымифинансовыми трудностями.Реклама и маркетингКомпания Neural Innovation Ltd использовала при работе с маркетинговыми компаниямистратегию прямой рассылки.
Вначале она осуществляла рассылку всего 25% от общегочисла предложений и собирала информацию об откликах и реакциях потребителей. Затемэти данные поступали на вход нейронной сети, с помощью которой осуществлялся поископтимального сегмента потребительского рынка для каждого товара. После этого остальные75% предложений рассылались уже с учетом найденных закономерностей в указанныйсегмент, и эффективность второй рассылки значительно возрастала по сравнению спервоначальной.При ведении бизнеса в условиях конкуренции компаниям необходимо поддерживатьпостоянный контакт с потребителями, обеспечивая обратную связь.
Для этого некоторыекомпании проводят опросы потребителей, позволяющие выяснить, какие факторы являютсярешающими при покупке данного товара или услуги. Анализ результатов подобного опроса— непростая задача, поскольку необходимо исследовать большое количество связанныхмежду собой параметров и выявить факторы, оказывающие наибольшее влияние на спрос.Существующие нейросетевые методы позволяют выяснить это и прогнозировать поведениепотребителей при изменении маркетинговой политики, а значит, находить оптимальныестратегии работы компании.Одно крупное английское издательство, выпускающее газеты, приобрело у фирмы NeuralInnovation Ltd систему планирования цен и затрат, построенную на использованиинейронной сети и генетических алгоритмов. На основе накопленных данных эта системапозволяла обнаруживать сложные зависимости между затратами на рекламу, объемомпродаж, ценой газеты, ценами конкурентов, днем недели, временем года и рядом другихфакторов.
В результате издательство могло подбирать оптимальную стратегию с точкизрения максимизации объема продаж или прибыли.Несколько лет назад компания GoalAssist Corporation выполнила заказ крупноймаркетинговой фирмы, которой требовалось исследовать стратегию поощрительныхтоваров (когда, например, присылая несколько этикеток с покупок, покупатель получаетбесплатный сувенир). Обычные методы прогнозирования отклика потребителей в данномслучае оказались неточными, в результате чего спрос на некоторые поощрительные товарыоказался слишком высоким и многим покупателям пришлось подолгу ждать полученияприза, в то время как другие подарки остались невостребованными.
Чтобы повыситьточность прогнозирования поведения потребителей, были использованы нейронные сети,обучающиеся на основе накопленной статистики. Для решения задачи применялись пакетыNeuroShell Classifier (рис. 5) и NeuroShell Predictor (рис. 6) компании Ward Systems Group(http://www.wardsystems.com/), а средняя ошибка предсказаний составила всего около 4%.ЗдравоохранениеВ свое время в США была введена в действие система обнаружения мошенничеств вобласти здравоохранения. Было подсчитано, что потери бюджета от такого родафальсификаций составляют около 730 млн.
долл. в год. Создание специализированнойнейросетевой системы заняло у фирмы ITC более года и обошлось всего в 2,5 млн. долл.Тестирование новой системы показало, что нейронная сеть позволяет обнаруживать 38%случаев мошенничества, тогда как использовавшаяся до нее экспертная система давалатолько 14%. Для настройки нейронной системы были применены также методы нечеткойлогики и генетической оптимизации.119В медицинской диагностике нейронные сети нередко используются вместе с экспертнымисистемами.
Компанией «НейроПроект» была создана система объективной диагностикислуха у грудных детей. Общепринятая методика диагностики состоит в том, что в процессеобследования регистрируются отклики мозга в ответ на звуковой раздражитель,проявляющиеся в виде всплесков на электроэнцефалограмме. Для диагностики слухаребенка опытному эксперту-аудиологу необходимо провести около 2 тыс. тестов,нейронная сеть способна с той же достоверностью определить уровень слуха уже по 200наблюдениям в течение всего нескольких минут, причем без участия специалиста.Приведенные примеры показывают, что технологии нейронных сетей применимыпрактически в любой области, а в таких задачах, как распознавание образов ипрогнозирование котировок акций, они стали уже привычным и широко используемыминструментом.
Повсеместное проникновение нейронных технологий в другие области —только вопрос времени. Конечно, внедрение новых наукоемких технологий — процесссложный, однако практика показывает, что инвестиции не только окупаются и приносятвыгоду, но и дают тем, кто их использует, ощутимые преимущества.Параллельное программированиеМодели программирования для систем с разделяемой, распределеннойпамятью.Часто в литературе по параллельной обработке смешиваются или отождествляются понятиямоделей (технологий, систем) программирования и моделей выполнения программ, т.е.моделей вычислений. В общем случае это приводит к тому, что детальный анализструктуры алгоритма и особенностей компьютерной архитектуры, на которой онреализуется, подменяется поиском системы программирования без учета того, насколькоона адекватна архитектуре и решаемой задаче.Модель вычислений служит связующим звеном между архитектурой и модельюпрограммирования и в распределенных системах должна отражать взаимодействиепроцессов.
Это взаимодействие представляется явно в некоторых моделяхпрограммирования и может быть организовано с помощью стандартныхкоммуникационных библиотек, например, MPI (Message Passing Interface) или PVM (ParallelVirtual Machine). Другие, более высокоуровневые модели освобождают программиста отвыраженного управления параллельными процессами, примитивами передачи сообщенийили синхронизации. Так, стандарт OpenMP может рассматриваться как модельпрограммирования систем с разделяемой памятью и надстройка над библиотеками нитей,организуемыми с помощью интерфейса POSIX.
Модель вычислений должна помогать впоисках ответа на вопрос: "Насколько эффективно реализуется программа на даннойархитектуре?"Эффективностьреализацииможетинтерпретироватьсякаксбалансированность загрузки процессоров, согласованность степени параллелизма итрафика обмена данными, длительность простоя процессоров из-за отсутствия данных и т.д.Несмотря на большое разнообразие моделей выполнения программ, в масштабируемыхсистемах чаще всего используются две из них – модель обмена сообщениями и модельобщей памяти (промежуточная форма – прямой доступ к удаленной памяти).
Особенностимоделей однако не предполагают их реализаций на архитектурах соответствующего типа.Так, первая может быть надстроена над любой архитектурой. Вторая чаще всегоприменяется в SMP- и DSM-архитектурах, где программа рассматривается как система120нитей, взаимодействующих через общие переменные и примитивы синхронизации. Приэтом программист имеет дело с привычным для него единым адресным пространством.Основная проблема – обеспечение согласованного состояния памяти [2]. Модель обменасообщениями позволяет избавиться от проблем разделения памяти и может бытьнадстроена над архитектурами с общей памятью.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
